OR 运算符中的 OR 运算符 - RegEX答案

【问题标题】：OR operator inside OR operator - RegEXOR 运算符中的 OR 运算符 - RegEX
【发布时间】：2015-07-08 02:11:39
【问题描述】：

我正在尝试在 python 中创建一个编译器，并且我正在使用re 模块来创建令牌。语言将与Assembly 非常相似。

几乎一切正常，但我遇到了令牌问题。让我举个例子说明这个令牌是什么：

mov [eax], 4
mov [name],2
mov eax, [ebx]

代币：[eax]、[ebx]

我可以使用这个模式找到我想要的：\[(eax|ebx)\] 但是在与其他模式一起使用时出现错误，我相信这是因为'|'。

SCANNER = re.compile(r"""
    ;(.)*                    # comment
    |(\[-?[0-9]+\])          # memory_int
    |(\[-?0x[0-9a-fA-F]+\])      # memory_hex
    |(\[(eax|ebx)\])             # memory access with registers
    """, re.VERBOSE)

for match in re.finditer(SCANNER, lines[i]):
            comment, memory_int, memory_hex, memory_reg = match.groups()

错误：

ValueError: too many values to unpack (expected 4)

有没有办法将'|' 替换为另一个字符？

【问题讨论】：

作为非回答评论，我衷心建议您明确而不是隐含地使用re.foo(..., flags=X)。并非所有re 方法都将标志作为第三个变量，因此出于习惯输入flags=X 会让您在某个晚上免于头疼。

标签： python regex string python-3.x token

【解决方案1】：

您的心痛是由捕获组中的捕获组引起的，该捕获组导致每个匹配的 groups() 调用返回一个 5 元组。不要使用捕获组，而是尝试将 非捕获组（语法：(?:pattern)）混合到最终捕获组中，如下所示：

(\[(?:eax|ebx)\])

示例运行：

>>> SCANNER = re.compile(r';(.)*|(\[-?[0-9]+\])|(\[-?0x[0-9a-fA-F]+\])|(\[(?:eax|ebx)\])')
>>> next(re.finditer(SCANNER, 'mov eax, [ebx]')).groups()
(None, None, None, '[ebx]')

【讨论】：

【解决方案2】：

问题不是因为| 字符：

    |(\[(eax|ebx)\])             # memory access with registers

这是因为表达式的那部分定义了两个捕获组，一个嵌套在另一个内部 - 所以match.groups() 返回的值比可以解包的值多，例如第一行：

(None, None, None, '[eax]', 'eax')

避免嵌套组的一种方法是使用：

    |(\[eax\]|\[ebx\])          # memory access with registers

这将导致返回：

(None, None, None, '[eax]')

正如@Shashank 指出的，您还可以使用non-capturing group (?:...) 语法来定义嵌套的可能寄存器值模式：

    |(\[(?:eax|ebx)\])          # memory access with registers

达到同样的目的。当存在大量可能的子模式（并且它们更复杂）时，这种方法是有利的，因为否则您需要为每种可能性完整地拼出整个模式，而不是利用它们可能具有的一些共性.

【讨论】：

【解决方案3】：

我的建议是在打开包装时忽略该值。

comment, memory_int, memory_hex, memory_reg, _ = match.groups()

或者：

comment, memory_int, memory_hex, memory_reg = match.groups()[:3]

【讨论】：